Programación básica R studio

Sesión 02 - Manipulación de datos

Autor/a

Afiliación

Issac Rodas Caseres

Universidad del Magdalena, Santa Marta

titulo 1

titulo 2

titulo 3

funciona lo de whatssap

con control + alt + i se abre el chunk

1+1

[1] 2

primer paso

preparar la maquina. llamar la libreria

library(tidyverse)
library(dplyr)
library(ggplot2)

segundo paso

Hacer llamado y visualización de DB

library(kableExtra)
empleados <- readRDS("./df_empleados.rds")
# el Kable formatea la tabla
kable(head(empleados, 10))

ID	Edad	Salario	Departamento	Años_Experiencia	Nivel_Educativo	Sexo	Horas_Trabajo_Semanal
1	52	58039	Finanzas	10	Bachiller	Femenino	40
2	36	22571	IT	24	Pregrado	Masculino	43
3	35	22797	Marketing	35	Pregrado	Femenino	40
4	24	70589	Ventas	10	Pregrado	Masculino	37
5	58	41536	Finanzas	8	Pregrado	Masculino	45
6	35	64555	Ventas	32	Bachiller	Femenino	48
7	46	49720	IT	7	Bachiller	Femenino	40
8	47	55436	Marketing	38	Pregrado	Masculino	43
9	48	80170	Ventas	17	Pregrado	Femenino	40
10	26	32330	Ventas	20	Bachiller	Masculino	45

Paso 3

Describir los datos ¿qué tengo yo en mi base de datos?

mi df fue capturada en la empresa X la cual cuenta con 200 registros a 200 empleados. Aplicando 8 preguntas sobre su salario.

paso 3.1

Realizar un describe de datos para entenderla

# sumary resume toda la base de datos
kable(summary(empleados))

	ID	Edad	Salario	Departamento	Años_Experiencia	Nivel_Educativo	Sexo	Horas_Trabajo_Semanal
	Min. : 1.00	Min. :22.00	Min. : 340	Length:200	Min. : 1.00	Length:200	Length:200	Min. :27.00
	1st Qu.: 50.75	1st Qu.:32.00	1st Qu.:37908	Class :character	1st Qu.:10.00	Class :character	Class :character	1st Qu.:37.00
	Median :100.50	Median :43.00	Median :49569	Mode :character	Median :20.00	Mode :character	Mode :character	Median :40.00
	Mean :100.50	Mean :41.64	Mean :49371	NA	Mean :19.73	NA	NA	Mean :40.48
	3rd Qu.:150.25	3rd Qu.:50.00	3rd Qu.:60456	NA	3rd Qu.:29.00	NA	NA	3rd Qu.:43.25
	Max. :200.00	Max. :60.00	Max. :90623	NA	Max. :38.00	NA	NA	Max. :54.00

kable(table(empleados$Departamento))

Var1	Freq
Finanzas	54
IT	38
Marketing	53
Ventas	55

Analisis cruzado

table(empleados$Departamento, empleados$Sexo)

           
            Femenino Masculino
  Finanzas        23        31
  IT              22        16
  Marketing       27        26
  Ventas          28        27

¿Qué pasa con el nivel educativo de los empleados?

library(plotly)

Attaching package: 'plotly'

The following object is masked from 'package:ggplot2':

    last_plot

The following object is masked from 'package:stats':

    filter

The following object is masked from 'package:graphics':

    layout

table(empleados$Nivel_Educativo, empleados$Sexo)

           
            Femenino Masculino
  Bachiller       34        30
  Postgrado       38        34
  Pregrado        28        36

g1 <- ggplot(empleados, aes(x = Nivel_Educativo, fill = Nivel_Educativo)) + 
  geom_bar() +
  labs(title = "Distribución de Empleados por Nivel Educativo", x = "Nivel Educativo", y = "Número de Empleados") +
  theme_minimal()
ggplotly(g1)